本文尝试并总结了多种方法的优缺点, 建议直接使用第4种方法。
优点
操作简单
有理论支撑
缺点
CSF算法不适用于崎岖地形
如已分割或计算出准确的地面点云, 可利用地面点云进行高程归一化。
优点
适用于崎岖地形
构建的DEM完整, 自动延展边缘区域
缺点
需要首先计算/分类地面点云
泊松重建不保证得到一个平面
泊松重建拟合效果不好
准备2组点云, 分别是全部的点云和地面点云
原始点云
提取地面点云
导入原始点云, 选择其类别标签, 并使用过滤器过滤滤出地面类别。
(可选)地面重采样
如所选点云非确切的地面点而是包含了较多杂物的地面点, 执行栅格Z轴最小重采样, 后续操作根据重采样后的地面点云进行。
选择地面点云, 计算法向量后执行泊松重建。
法向量计算参数
(可选)法线对齐的参数
泊松重建参数
选择生成的表面, 执行平滑。
迭代数和, 平滑系数根据实际情况设置。
先选择原始点云, 并设置Active为刚刚计算的距离(相对高度), 执行以下操作。
如已分割或计算出准确的地面点云, 可利用地面点云进行高程归一化。
优点
适用于崎岖地形
拟合效果好
缺点
过于依赖栅格大小
需要首先计算/分类地面点云
构建的DEM边缘不完整, 边缘区域可能无法覆盖(如图)
准备2组点云, 分别是全部的点云和地面点云
原始点云
提取地面点云
导入原始点云, 选择其类别标签, 并使用过滤器过滤滤出地面类别。
所需点云
先选择原始点云, 并设置Active为刚刚计算的距离(相对高度), 执行以下操作。
优点
适用于崎岖地形
拟合效果好
缺点
需要首先计算/分类地面点云
如果DSM栅格不够小, 归一化后可能会出现栅格纹理(如图)
准备2组点云, 分别是全部的点云和地面点云
原始点云
提取地面点云
导入原始点云, 选择其类别标签, 并使用过滤器过滤滤出地面类别。
所需点云
计算DEM
选择地面点云, 插值计算分辨率为2米的DEM。
裁剪DEM
得到的DEM可能会存在错误值, 使用裁剪工具将其切除。
计算法向量
选择DEM, 计算法向量后执行泊松重建。
执行泊松重建
裁剪泊松重建的结果
将泊松重建结果的边缘裁出来
将边缘转换成点云
合并地面点云和边界点云
按住Ctrl双选地面点云和切出来的边界, 对其进行合并。
计算DEM
基于加了边界的地面类计算分辨率为0.5米的DEM, 并且进行插值, 输出为Mesh格式。
裁剪DEM
同样需要进行裁剪, 由于加了边界, 裁剪不会影响到后续计算。
平滑DEM
执行拉普拉斯平滑
记录原始高度
选择原始点云, 将原始Z值储存为特征
默认的特征名为Coord. Z
, 可以修改成其他名字
将Z坐标设置为到DEM的距离
先激活刚刚计算的点云到DEM的距离
特征, 然后将原始点云的Z坐标设置为此特征。